市场情绪（共10篇）
市场情绪 篇1
在选择金融产品进行投资时,普遍采用自上而下(Top-toDow n)的研究方式。在选股方面,首先确定资产在行业间的配置比例,再在各行业中进行个股选择是常用的方式。本文旨在Mar k ow ita模型、Black_Litter man模型的基础上,提出一种利用文本挖掘方法挖掘舆论热点,得到市场情绪作为观点矩阵,继而得到资产在行业间的配置方案的方法。克服了Black_Litterman模型存在的对分析师主观态度难于量化表示的缺点。
一、Markowitz与Black_Litterman资产配置模型
(一)Markowitz资产配置模型
Markowitz在1952年发表论文《POR TFOLIO SELECTION》,在论文中提出了均值-方差模型,这篇论文标志着现代投资组合理论的开端。Markowitz理论的思想基础是:把资产投资收益率看做随机变量,研究其期望与方差。Markowitz资产配置模型基于五条假设:证券市场具有有效性;投资者是风险厌恶的;投资者进行资产配置选择的依据是投资收益率的概率分布,而这个概率分布是可知的;用期望收益率衡量未来的收益水平,用方差衡量收益的不确定性,即收益的风险;市场是无摩擦的。
设市场存在n种风险资产,将第i种风险资产的的收益率记为ri,r=(r1,r2,…,rn)’,期望收益率记为μ=Er,资产间的协方差矩阵记为Σ,Σ=Var(r),无风险收益率记为rf,n种风险资产的投资比例为ω=(ω1,ω2,…,ωn)’。那么资产组合的期望收益率为μω=ω’μ,资产组合的风险为σω2=ω’Σω。
那么,当资产组合中仅存在风险资产时,均值-方差模型记为:
当资产组合中可以存在无风险资产时,均值-方差模型记为:
使用拉格朗日乘数法则,可直接求得上述均值-方差模型的最优解。投资者可以依据个人偏好的无差异曲线找到对应的最优组合。此模型同时表明,最优组合的选择往往并非单独取决于单个资产的数字特征,同时也取决于资产间的相关性。
Markowitz资产配置模型是在一系列严格的假定条件下推导出来的。因此,模型从面世之日起,众多学者便提出由于模型的假定条件与实际金融环境存在差异,导致构建的投资组合存在难以理解、对输入的参数过于敏感、以及估计误差被放大等问题。
(二)Black_Litterman资产配置模型
在高盛银行任职的Fischer Black和Robert Litterman于1990年提出了Black_Litter man模型,于1992年又在《金融分析》期刊上对Black-Litterman模型作了详细说明。他们将Markowitz的均值-方差模型最优化理论和bayesian估计相结合,并且基于资本资产定价模型(Capital Asset Pricing Model,CAPM)以及夏普提出的逆最优化理论建立了Black_Litterman资产配置模型。在国外理论界,Bevan和Winkelmann,He、Litterman,Satchell和Scow cr oft、Dr obetz都对Black-Litter man模型做了进一步的完善,并对国际资产配置做了实证分析。在实际投资运作中,很多大型投资机构将Black-Litterman模型运用在全球资产配置中,并已取得了丰厚收益。
Markowitz的均值-方差模型模型的主要投入要素为预期报酬率及方差。投资者必须利用长期的历史资料,提出对投资组合所有的预期报酬率的看法,而这些看法皆为100%的信心水准,Black和Littermam认为投资者的看法在实际情况下,很难达到完全预测正确。在Black-Litterman资产配置模型中,投资者可以将自己的观点和对这种观点的信心程度量化并输入模型中。
Black-Litterman资产配置模型的另一大优点在于它的输入是非常具有弹性的。投资者可以输入对某些资产预期收益的一种观点或者几种观点,也可以不输入任何观点。这样就减少了投资人观点设定的随意性。需要指出的是,因为模型加入了主观观念,使模型的估计变得相对复杂。这也成为现阶段该模型研究的主要方向。
其中,τ表示的是资本资产模型的不确定性度量,当τ趋近于0时,Black-Litter man计算出的权重将趋近于市场均衡权重;Σ代表各资产超额收益的协方差矩阵;Π表示隐含均衡收益向量,Π=δΣωeq,δ为风险规避系数,ωeq为市场基准配置权重向量。P是一个K×N维矩阵,每一行代表投资者的一个观点对应的相关资产的权重,相对观点的权重和为0,绝对观点的权重和为1;Q是一个K×1维向量,分别对应于P矩阵中的每个观点的期望收益;Ω是一个K×K维对角矩阵,表示投资者对每个观点的信心程度。
举一个简单的例子,一个投资者对三个资产的主观观点是:资产的收益率被高估了2%,资产2的收益率会比资产3的收益率低3%,他对自己这两个观点的信心程度分别是w11和w22。那么,对应的P、Q、Ω分别为:
通过求解下述最优化问题:
可得最优资本权重,即:
运用Black-Litterman资产配置模型,投资者可以输入关于任何投资类别的任意数量的观点,并与市场均衡状态相结合,输出最优投资组合权重和预期收益。
本文致力于寻求一种更具普适性的,更易于量化的得到投资人观点矩阵(即得到P、Q、Ω)的方法,即基于网络文本挖掘的市场情绪度量方法。
二、基于网络爬虫的文本挖掘算法
本章阐述基于网络爬虫技术得到传统Black_Litterman资产配置模型观点矩阵以及置信度矩阵的方法。
(一)数据源的选择
本文旨在使用网络上的市场情绪作为分析依据,得到Black_Litterman模型观点矩阵以及置信度矩阵。那么必然对要分析的新闻文本具有一定要求,需要慎重选择文本来源。文本来源选择的是否适当,将直接关系到black_litterman模型的输入,进而左右模型整体效果。数据源的选择既要符合文本挖掘技术数据源的一般性要求,也要符合金融新闻类市场情绪文本的特殊性要求。笔者认为,至少需要具有全面行、权威行、和实效性。全面性保证得到的市场情绪可以代表多数人的观点,减小偏差;权威性保证观点来源于金融专业知识相对完备、经验相对丰富的分析师,而且他们的观点将会通过多种途径传播,进而影响大众观点,成为大众情绪;实效性保证情绪文本的及时性,减少滞后偏差。
鉴于此,本文选择“搜狐证券—研究报告—行业研究”(网址:http://stock.sohu.com/hyyj/)中的新闻标题短文本作为研究对象。它来源于各知名券商研究报告或者权威报刊,根据行业分类进行过整理,新闻标题短文本后给出了新闻发布时间,符合全面行、权威行、和实效性准则。
(二)网络爬虫获取文本
已经选定数据源,接下来使用网络爬虫技术抓取网页上的新闻标题短文本。网络爬虫(Network Spider),是一种按照预先给定的规则,在运行中自动地抓取万维网信息的程序或者脚本。它将一个网页URL作为起始,读取此页面内容,并通过此页面上的超级链接作为线索找到另一个或多个与之有关联的网页。重复此操作,遍历网络页面,依次将其文本和URL存入到网页数据库中。
爬虫基本工作流程如下:
Step1.选取种子URL;
Step2.将这些URL放入待抓取URL队列;
Step3.将U R L队列中对应的网页内容抓取下来,存储到已抓取网页库中,并将这些URL放到已抓取URL队列中;
Step4.对已经抓取到的U R L队列中的U R L进行分析,试图从中分析出待抽取的新URL,将这些URL放入待抓取的URL队列,从而进入下一次循环。
使用网络爬虫技术,以网址:http://stock.sohu.com/hyyj/作为起始URL,抓取此URL对应页面的HTML文本,存入文本文件中。其中除所需新闻短文本标题外,还包含了大量的HTML标记,以及非新闻标题短文本以外的文字类信息,需要将其过滤掉。使用XPath与正则表达式技术,通过分析DOM结构,使用正则表达式定位到具体位置。
(三)中文分词
通过网络爬虫抓取得到待处理文本之后,需要对其进行中文分词。中文分词包括三类算法:基于字符串匹配的分词;基于理解的分词;基于统计的分词。将一个中文句子进行拆分,从一个句子中解析出名词、动词、形容词、副词等。这样做的目的是:拆分出的名词部分,可作为本条文本的对象词,匹配数据库中的申万行业类别表,从而得到这条文本是描述的哪个行业的市场情绪的;拆分出的形容词(副词)部分,可作为本条文本的情绪词,匹配数据库中的通过调研得到的情感极性词极性表,从而得到这条文本是正面情绪还是负面情绪,以及情绪的强弱程度。
本文使用中科天玑的ICTCLAS词法分析系统,由张华平博士历经多年开发研制,开源,并提供了多种开发语言接口,包括C/C++/C#、Java、Py th on、H adoop等,可以用于对需要进行分析处理的文本做初始分词。具体算法分为三个步骤,即原子切分;找出所有可能的原子间组词方案;N-最短路径选择算法。各步骤的具体算法在ICTCLAS词法分析系统主页http://ictclas.nlpir.org/docs可以得到。
例如,将“房地产业:房产税谣言四起,楼市温和上行”进行分词,效果如图1所示。
将结果匹配数据库中的申万行业表和情感极性表。以“房地产业:房产税谣言四起,楼市温和上行”为例:得到这条文本是表述“房地产”行业市场情绪的;“谣言”是负极性词,极性强度是-1,“上”是正极性词,情感极性是+2,故而这条文本的综合情感是正极性的,综合情感极性是+1。
由于中文反义句多以“反义词+形容词(副词)”的形式出现,需设计否定词处理模块,当遇到否定词(如“不”,“没”,“别”,“非”,“无”,“未”,“反”等)时,这个否定词的作用对象取它后面最邻近的一个情感极性词,将其极性取反处理。
(四)构建观点矩阵及观点置信度矩阵
以上是为了得到Black-Litterman资产配置模型中的P、Q、Ω,其中P代表了观点与观点对应资产的匹配关系,分为绝对收益和相对收益两种、Q代表了对应于P矩阵中的每个观点的期望收益、Ω代表了对每个观点的信心程度。
至此,得到了Black-Litterman资产配置模型的输入矩阵P、Q、Ω。
三、实证研究
在国内A股申万一级行业间使用本文所提PSM_Black_Litterman模型进行实证分析。设两组对照,以市值为权重进行资产配置;使用传统Markowitz资产配置模型得到的权重进行资产配置。
(一)数据
从申万一级行业28个分类中,选择相关系数较小的13个行业;选择自2010年2月至2015年1月61个月的行业指数数据,以及各行业类别中所含流通股市值,数据来源东方财富Choice数据。这样共13*61个样本内数据。样本外取自2015年2月至2015年12月进行实证分析。
(二)市场情绪P、Q、Ω
在本文应用背景下的P为N×N单位矩阵,可不再做计算;Q为N×1维向量,设第i种行业类别对应的分量为Qi,Ω为N×N维对角矩阵,设第i种行业类别对应的分量为Ωii。当月数据由上月数据计算得到,见表1。
(三)PSM_Black_Litterman模型效果分析
使用上一小节得到的P、Q、Ω矩阵数据,计算各行业类别的最优资本权重,即由PSM_Black_Litterman模型得到的资本权重,记为WA;另外,由流通市值计算而得的权重记为WB;由Markowitz资产配置模型计算而得的权重记为WC。并计算当按照这样的权重进行投资时的组合月度收益率。当月权重由上月数据计算得到。增加不许做空限制。见表2。
根据三种方式得到的行业配置权重WA、WB、WC,计算2015年2月至2015年12月,共计11个月各自收益情况如下表所示。见表3和表4。
可见,使用由Markowitz资产配置模型计算得到的权重WC为依据进行行业配置,在收益率均值、几何收益率角度,优于由流通市值计算而得的权重WB为依据进行的资产配置;但方差效果却劣于它。而使用本文所提PSM_Black_Litterman模型,利用由网络热点新闻作为权重调节方式得到的权重WA进行资产配置,其收益率均值、方差、几何收益率均优于传统Markowitz模型,同时优于由流通市值计算而得的权重WB为依据进行的资产配置。
四、结论
Black_Litterman模型的关键问题之一是需要输入分析师观点,本文通过网络爬虫技术,抓取门户网站内的相关行业情绪,使用文本挖掘技术,提出一种将市场情绪量化为Black_Litterman模型所需P、Q、Ω矩阵的方法,由此提出一种PSM_Black_Litterman(public sentiment mining Black_Litterman)模型。通过实证分析,该模型可有效提高资产配置的平均收益率与几何收益率,并减小方差。在后续的研究中,笔者希望通过过滤无效新闻、扩充情感词库等方法,致力于进一步提高模型效果。
参考文献
[1]H.Markowitz.1952.PORTFOLIO SELECTION[J].JOURNAL OF FINANCE,7(1):77-91.
[2]温琪.金融市场资产选择与配置策略研究[D].中国科学技术大学,2011.
[3]南方基金管理有限公司柯晓.Black-Litterman模型的初步介绍及应用[N].上海证券报,2008-12-10007.
[4]E.C.B.Bekaert G,Harvey C R,et.1998.al.Distributional characteristics of emerging market returns and asset allocation[J].Journal Portfolio Management,24(2):102-116.
[5]S.S.S.A.2000.demystification of the Black-Litterman model:managing quantitative and traditional construction[J].Journal of Asset management,1(2):138-150.
[6]D.W.2001.How to avoid pitfalls in portfolio optimization?putting the Black-Litterman approach at work[J].Financial Markets Portfolio Managemen,15(1):59-75.
[7]韩正宇.现代投资组合理论述评[J].经济研究参考,2013,60:53-61.
[8]孙立伟,何国辉,吴礼发.网络爬虫技术的研究[J].电脑知识与技术,2010,15:4112-4115.
[9]王强,武港山.对XPath模式定位能力的扩充[J].计算机研究与发展,2001,06:674-678.
[10]周程远.中文自动分词系统的研究与实现[D].华东师范大学,2010.
[11]张华平,刘群.基于N-最短路径方法的中文词语粗分模型[J].中文信息学报,2002,05:1-7.
[12]李存青.中文意见挖掘中的特征词提取以及情感倾向分析[D].重庆大学,2010.
市场恐慌情绪有待缓解 篇2
我们认为，央行这次降息的正面意义将大于上次降息，连续两个月降息，累积效果将逐渐体现，进一步确认了降息周期已经开始。考虑到经济增速下滑仍未改变，二季度GDP可能降到7.5%以下，本次降息更多的原因是遏制经济增速的快速下行。本次降息这是自2008年9月16日以来，中国央行首次采取“不对称降息”。此举可通过降低贷款利率，缓解中国当前融资成本过高的局面，真正将资金“引水入渠”扶持实体经济发展。今年以来，中国央行除降息外，还连续两次下调金融机构存款准备金率，并采取了四轮逆回购手段，多措并举缓解银行体系资金紧张的局面。降息对于缓解投资者的恐慌情绪有一定的帮助，但上市公司业绩的回暖还需要一定的时间。
融资潮依旧是悬在资本市场上的达摩克利斯之剑。本周中信重工上市，意味着大盘股发行加速。此外无论是大股东减持，还是IPO发行都没有因为指数走低而降低，与欧美等成熟市场每逢市场走弱就零发行不同，如今指数走弱后大盘股发行反而跟进了。目前两市合计有700家上市公司等待发行，还有242家公司排队轮候增发，合计4172亿元左右增发融资计划蓄势待发。与此同时，深交所公告称中小板股票将启用003000-004999新代码区间为2000只新股腾出空间。而上交所也将加入到对中小企业扶持的竞争中，可见市场正在承受着巨大的资金压力。
从技术面来看，2200点一线的多空争夺并未结束，市场没有完成下探的过程。周四上证指数最低点2192点距离6月29日2188点仅一步之遥，说明市场依然处于弱势行情中。道氏理论中指出：趋势的力量非常之大，趋势一旦改变，价格就会向着阻力最小的方向运行，直到被改变为止；当趋势向下的时候，向下的阻力是最小的，所以价格就持续向下运行，反之则持续向上运行。所以，当6月4日上证指数暴跌击穿三角形整理区间下轨后，我们就认为市场进入弱势阶段，只有结构性的个股机会，并强调控制仓位的重要性。因为只有躲过主跌浪的人，才更有资格在下一次的上升行情中获得主动，也只要这样才能在资金和心态上保持足够的信心。试想即便下次有行情，而此前在熊市中持续亏损的人也已经没有信心迎接牛市，更没有勇气在牛市中征战，因为之前亏怕了之后再次站起来的人少之又少。而降息意味着利好兑现，市场还没有完成下探，早早地兑现利好，并不利于市场走势。
投资者情绪对股票市场的影响 篇3
关键词：投资者,股票新开户数,股指周收益,情绪波动,投资模型
1 股市中投资者情绪的作用
影响股价的最直接因素是心理。投资者信心是基本面、资金面、政策导向、制度变革、投资理念、投资者情绪等一系列因素综合作用的结果。由于证券市场具有特殊的衍生性和虚拟性,证券价格在相当程度上依赖于投资者的信心。因此,投资者情绪在市场实践中发挥着很大的作用。
股票是一种虚拟资本。从盲目轻信到怀疑,只有一念之间。在资金推动行情中,投资者的心理基本左右了市场的走势。这种情况即使在一群聪明、稳重的人当中,羊群效应、从众情绪仍然发挥作用。
投资者情绪导致的心理作用在国内更是到了登峰造极的地步。在国内,中国老股民会对“4.19”这个数字“印象深刻”。原因是因为这个数字在某种程度上俨然成了大跌的代名词。投资者情绪在投资者投资过程中发挥着重要的影响作用,它甚至左右了投资者的决策,而投资者的决策又会左右市场的波动,进而使投资者情绪在市场实践中发挥着很大的作用。
2 如何量化投资者情绪指标
我们虽然知道投资者情绪的重要作用,但其最大的缺陷是难以计量。研究者一般会把投资者情绪指数通过直接或者间接的方式得到。
2.1 投资者情绪直接指数分析
直接询问投资者对于股市多空的看法,一般有三个选择,看多、看平或者看空。这种调查带有一定的缺陷,首先样本代表性不足,一般都是对机构投资者的调查,事实上也难以对众多散户进行调查。而机构因为知识水平高,资金量大,在投资过程中谨慎,投资过程几乎不会受到情绪影响,可认为投资理性。在投资过程中非理性的是散户投资者。另外,问卷选项离散,无法再细分投资者的情绪,如两个人都看多,但他们看多的程度或不同,而这类调查问卷中无法体现。再有,调查问卷不一定能正确表明一个人的真实情绪,毕竟不是每个人都是心口如一的。
2.2 投资者情绪间接指数分析
投资者情绪的间接指数是通过统计分析市场上与投资者情绪有关的交易数据进行构造而得到的。这类指数有整体市场表现指数、交易类型指数、衍生品交易指数、股票市场上特定产品的指数等。
其中,整体市场表现指数的代表是腾落指数,这个指数是根据每天上涨和下跌的股票的数量进行构造的,意在揭示市场的人气。另外还有根据腾落指数结合成交量得到的ARMS指数,它是一个比值,分子是上涨家数与上涨成交量的比,分母是下跌家数与下跌成交量的比。但是Brown和Cliff(2004)发现腾落指数对大市值股票起不了作用,同样是Brown和Cliff(2005)证明ARMS指数在时间范围为(6~36个月)内,对大盘股或小盘股均无法有效预测未来收益率。在交易类型指数中,Brown和Cliff(2004)发现用以上指数对大盘股与小盘股均无法预测其收益率。在衍生品交易指数中,Brown和Cliff(2004)]发现除了认沽认购比率能有效对大盘股收益率进行预测外,其余指数均无法预测收益率。在股票市场上特定产品的指数中最为出名的就是封闭式基金折价率,很多学者都在实证分析中运用到这个指数,折价率上升则意味着看空情绪上升。但是Brown和Cliff(2005)发现封闭式基金折价率不能预测股市收益率。而且并不清楚封闭式基金折价是否可以真正衡量市场情绪,因为这也许只能反映对封闭式基金的情绪。
3 运用数据分析投资者情绪对A股市场的影响
上述的投资者情绪指标均无法正确预测股票收益率。以A股为例,因为我国的金融市场相对于美国等市场还十分年轻,因此使用投资者新开户数占持股人数的比例作为投资者情绪的代理变量,若此比例上升说明有一大批新户抢着进来股市赚取利润,说明股市人气很足,若此比例下降则说明股市人气下降。统计网站是以周开户数进行统计的,所以为了研究投资者情绪对A股市场的影响,在A股市场中分别选取两个有代表性的股指分别是上证指数和创业板指并选取它们的周收益率作为数据,通过通达信软件得到2012年12月31日~2015年4月10日,共118个星期的数据。
用R软件对数据进行分析,新开户比例很小所以采取十倍放大,记十倍放大的开户比例为X,上证指数的周收益率为Y1,创业板指周收益为Y2。
由图1和图2可以看出,点得到的线基本与X轴垂直,即出现一对多的现象,不符合函数的定义。X对Y1以及X对Y2进行多项式拟合,拟合的结果总是无法有效预测其收益率,拟合的正确程度很低。Stephen M.Stigler说过“:警惕过多的检验,你对数据越苛求,数据会越多地向你供认,但在威逼下得到的供词,在科学询查的法庭上是不允许的。”对数据进行分析的时候不能总是带着自己预测的结果去进行分析,并让数据得到的结果尽可能地向自己的预测靠拢,甚至剔除部分不利的数据,让结果尽可能地服从自己的预测。这样做没必要,因为得到的结果并不科学。新选取的情绪指标无法建立适合的预测模型进行对股指有效预测。只能建立数学模型,把投资者情绪变成模型参数带到模型中去,得出投资者情绪是如何影响股票市场。
4 建模分析投资者情绪影响股市的原因
4.1 模型建立
建立带有投资者情绪波动的投资模型。
值得一提的是,在此模型中,允许机构投资者和散户投资者持有的股票数为负数,意义就是允许做空,更符合现金股票市场允许投资者融券的事实。
4.2 模型结论
(11)式右边的第二项表明了散户投资者因为情绪波动出现的错误预期的变动对于股票价格波动的影响。股票价格的变动会随着散户投资者的情绪的变化而变化。在其他因素不变的情况下。当散户投资者对股票有着超高情绪看涨,看多的预期超越散户投资者的平均看多情绪,则会使得股票的价格上升。也就是说散户高昂的投资情绪有助于推高股价。但在其他条件不变的情况下,当散户投资者对股票的预期看空超过散户预期的平均值时,会使得股价下降,即散户低落的投资情绪会使得股价下降。
如果散户投资者的情绪由好转为坏,股价会下降而理性的机构投资者在没有足够风险补偿的情况下是不会买入或增持股票的。这时由(11)式右边的最后一项表明,在这种情况下散户投资者的情绪波动使得股价再往下跌,而且在其他条件不变的情况下,随着散户的风险规避系数增大,散户的比例提高且散户对于价格错误预期的方差变大的时候,股价会再下跌。而股价下跌又会使得散户情绪转为更坏,于是循环,股价一跌再跌,直到跌到一定地步,只有当理性的机构投资者认为有足够的风险补偿的时候,机构持有股票,这时股价会使散户情绪由坏变好,于是股价掉头上涨。这也在一定程度上解释了散户追涨杀跌的现象。
5 结语
心理分析在股票市场上极为重要,散户情绪波动影响股票价格,散户高昂的投资情绪有助于推高股价,散户低落的投资情绪会使股价下降。
因此笔者认为应当把股票当做投资品,而不是投机品,股票投资,就是买入股票后不是通过其价格波动作为盈利模式,而是以派息分红作为获利途径,也就是长期持股,当所有人都理性的时候股票价格趋于其基本价值。所以,长期投资于基本价值高、高分红的上市公司,不通过其价格波动作为盈利模式,而是以上市公司派息分红作为获利途径,只有这种方法才能长期获利。
参考文献
[1]鲁训法,黎建强.中国股市指数与投资者情绪指数的相互关系[J].系统工程理论与实践,2012(3).
[2]王美今,孙建军.中国股市收益、收益波动与投资者情绪[J].经济研究,2004(10).
[3]张强,杨淑娥,杨红.中国股市投资者情绪与股票收益的实证研究[J].系统工程,2007(7).
[4]王春.投资者情绪对股票市场收益和波动的影响--基于开放式股票型基金资金净流入的实证究[J].中国管理科学,2014(9).
市场调整更多源自于情绪宣泄 篇4
如果从反弹高点计，A股在数周内已经跌去10%。在此期间，全球市场基本上维持窄幅震荡走势，具有典型标志意义的道琼斯指数还坚守于13100点之上。显然，在人家站得挺直的时候，A股兀自趴下了，为什么会这样呢？
局面急转直下的首因，当然与政治上的一些因素变得不那么清晰有关。在中国这么一个以“讲政治，顾大局”为旗号的国度，如果某些人不那么讲政治，从而让公众对大局、对前景变得不那么踏实，那么，投资人首先想到落袋为安，一传十、十传百，股市有些过激反应，就难以避免。
当然，经济上的一些数据，也让投资人加重了悲观心态。比如按照此前媒体报道，今年银监会下达的新增贷款额度为八万亿元，按照一般的“3332”的季度性投放节奏，今年一季度应该达到2.5万亿元左右的规模。然而，1月份新增贷款不足8000亿元，2月份似乎很难超过7000亿元，照此趋势，一季度的投放规模将大大低于市场预估。
问题的关键，并不仅仅在于数字的减少，而在于大家在数字中丢失的信心。一般而言，商业银行倾向于“早放贷、早受益”的经营模式，也喜欢在年初冲贷来抢占信贷规模。如今，在2012年前几个月，银行新增贷款规模明显减少，人们担忧的主要因素之一便是需求不旺，相当程度的企业呈现“投资谨慎”的状态。企业主们由于对未来信心不足而不愿意大规模借贷，这种信号反过来又导致投资人对未来信心不足。
同时，信贷规模减少也与监管因素有关。据报道，有部分商业银行已经接到通知，必须严控放贷规模。大家原先对于一二月份信贷规模的减少，基本上归咎为节日效应，觉得随着时间的推移，这种情况会有明显改变，但是，“房价远远没有调整到位”等一系列严厉的警告，使得人们本来对宏观调控力度或许会有所放松的预期，再次变得模糊起来。
至于GDP增速，更是首先容易诱发悲观情绪——大家马上看到的是“量变”（经济增速调低为7.5%），却一时半会儿还看不到“质变”（由粗放式增长向集约式、内生性增长转变），这可以称之为“转型迷茫”。
是的，这些都是不利因素。可是，其中的一些因素（尤其是经济上的一些因素）并没有比两个月前更差，它只是不像人们想象中的那么好而已。从感情上说，随着市场走高、成交量放大、开户数量增加，人们会把事情想象得比实际情况要好，一旦发现其实不是这样，又往往出现更大的失望情绪。因此，我们把这一次的下跌定性为希望落空后的回调，幅度偏大则主要是由情绪宣泄带来的。
中国由于特殊的国情和社会氛围，大家心中憋屈了，没有多少正常的发泄之处，资本市场算是其中之一吧。
我们不赞成以情绪化的方式管理账户和头寸，我们当初既不是那么樂观，如今也没有那么悲观。我们认为中国经济的核心问题是财政不放手，因此一直在呼吁“减税”，尽管目前尚无迹象表明政府在这方面会迈出大的步伐，但事情也没有比过去更糟糕，至少降准、降息的预期依然在发酵。因此，最坏的判断也就是市场在二次探底、打牢基础而已。
投资者对证券市场投资情绪及测量 篇5
关键词：投资者情绪,资产定价,综合指数
投资者情绪如何影响证券市场?投资者如何借助对这种影响的把握来很好预测市场走向?在相当长的一段时期内, 标准金融学的学者们对投资者情绪左右市场行情这个命题表示了怀疑。根据他们发展的经典学说, 市场是相当“有效率的”, 也就是说, 关于某资产的所有已知信息, 都反映在该资产的价格上。而对于历史上发生的诸如1929年华尔街股市大崩盘、上世纪70年代香港股市暴跌以及2001年美国纳斯达克股市崩盘之类的事件, 都可归咎于信息缺乏自由传播的通道。尽管不排除有个别投资者可能存在非理性的投资行为, 但这些学者们相信, 理性的投资者会很快淘汰非理性的投资者。但近年来涌现出的“行为金融学 (behaviouralfinance) ”学派已日趋成熟, 并对上述经典学说提出质疑。
对投资者情绪的研究一直是行为金融和资本市场研究的热点。西方学者对此已有不少的研究成果, 他们的研究主要集中于投资者情绪的影响因素、测量方式以及投资者情绪对市场收益的影响等方面, 一些学者还通过构建投资者情绪指数来对情绪的市场预测能力进行研究。国内对投资者情绪理论的研究目前还处于消化和吸收西方理论阶段, 尤其是投资者情绪与证券市场关系的内在机理等基础性研究, 以及国内市场背景下如何有效测量方面仍显不足。本文在回顾国内外已有研究的基础上, 对投资者情绪的内涵、投资者情绪对证券市场的影响机理以及测量方式进行了全面探讨, 试图为投资者情绪理论和实证方面的进一步研究提供借鉴。
一、投资者情绪对证券市场的影响
情绪的作用往往被认为是内在的, 而股票收益的可预测性正反映了由情绪所导致的错误定价的存在。投资者被分成两种类型:不受情绪干扰的理性套利者和易受外部情绪影响的非理性噪声交易者。两类投资者在市场上相互竞争、相互博弈。但是在实践中套利者的行为总受到限制, 这种限制自于较高的交易成本、交易风险和卖空行为等方面。对于由情绪引发错误定价并导致对市场收益的影响, 研究者则利用市场数据进行了大量的实证检验。如Swanminathan (1996) 实证研究发现, 投资者情绪不仅能够影响股票的当前价格, 而且能够影响股票的未来收益。近年来, Brown和Cliff (2004) 对情绪与市场短期收益的关系进行了研究, 发现调查得到的情绪与其他常用投资者情绪指标和短期市场收益都是显著相关的。
二、投资者情绪的测量
投资者情绪因内在的复杂性和动态变化性, 使得对其测量显得尤为困难。目前国内外对投资者情绪的测量大都是寻找单个替代变量来直接或间接衡量。如Lee (1991) 等人认为, 封闭式基金折价率变化源自情绪的波动, 可全面解释折价之谜, 因此可以选择封闭式基金折价率来间接测量投资者情绪。消费者信心指数却不能作为预测S&P500的反向指标。Lily Qiu和Ivo Welch (2004) 的实证说明消费者信心指数比封闭式基金折价在衡量投资者情绪方面更好。它可以解释小市值股票的超额收益、IPO有关行为等, 而封闭式基金折价率或许是错误的衡量投资者情绪指标。国内学者也采取了一些能够获取数据的替代变量对我国的投资者情绪进行了测量, 如采用华鼎“多空”民意调查、《股市动态分析》好淡指数、“央视看盘”BSI指数以及封闭式基金折价率等, 但测量的结果并不理想, 不能很好反映投资者情绪的真实状况。
本文认为, 单个替代变量的测量可能只包含部分情绪因素或受其它非情绪因素的干扰较强, 因而无法准确衡量投资者情绪的高低。对投资者情绪的全面测量不妨借鉴Baker和Wurgler (2006) 的研究, 通过建立投资者情绪综合指数的方式来进行。
三、结论及展望
长期以来, 标准金融学派将研究建立在一个“稳态”的、无套利的、理性人组成的市场假设之上, 而将投资者心理因素对市场的作用完全排除在外, 从而很难解释证券市场常见的剧烈波动现象。安德瑞·史莱佛对此曾指出, 当我们在思考是什么引起市场价格背离基本价值时, 答案其实很简单, 那就是人类自身的行为。因为心理学家的研究已表明:人类决策过程会包含情绪特征 (traits) , 这会引致我们考虑问题时偏离纯粹理性的方式。这些特征存在于我们每个人的身上, 它会引起市场出现可预见性的情感波动现象。本文通过对投资者情绪的研究, 认为投资者情绪是决定证券价格和市场运行的一项极为重要的因素, 是一个影响市场收益的系统性因子, 投资者情绪对资产价格的影响程度与资产的风险水平极为相关, 高风险、难估价的资产价格往往受情绪的影响较高;在对难以度量的投资者情绪进行测量时, 可以通过构造包含七个基本成分指标的投资者情绪综合指数来反映。
由于投资者情绪是投资者内在心理活动的反映, 具有非稳定、突发性和传染性等特征, 因此很难准确的把握和测量。而本文的研究仅仅是作了些理论上的探讨, 投资者情绪对证券市场的影响作用, 以及所建立的投资者情绪综合指数能否可靠预测市场走势, 还需要利用国内证券市场的数据进行进一步验证。
总之, 加强对投资者情绪的研究, 不仅有助于我们理解证券市场上投资者的行为, 有助于揭示投资者对资产价格预测的偏差以及利用这些偏差获取超额收益的可能, 而且还有利于市场监管层把握投资者情绪特征, 为实施市场调控提供理论借鉴。
参考文献
[1]饶育蕾.我国封闭式基金折价交易的行为金融学实证分析[J].中南大学学报 (社会科学版) , 2003.
[2]叶奕乾.普通心理学[M].上海:华东师范大学出版社, 2004.
[3]薛斐.基于情绪的投资者行为研究[C].复旦大学, 2005.
市场情绪 篇6
一、投资者情绪度量的研究综述
(一)国外研究成果
国外学者通常把度量投资者情绪的指标分为3类：直接指标、间接指标、综合指标。
直接指标是我们在调查的过程中采用了问卷调查的方式，通过这种方式直接调查投资者对下一期市场行情的预期，进而反映出投资者对股票市场未来走势的主观看法。目前国外统计出来的投资者情绪指标主要有个体投资者协会指数、投资者智慧指数、消费者信心指数等。Brown和Cliff(2004)研究发现投资者情绪对资产的定价有影响，投资者情绪能够影响股票收益，股票收益会随着投资者情绪的变化而正向变动;同时投资者情绪对未来近3年的股市收益有影响，但它会随着投资者情绪的变化而负向变动，而在这个研究中Brown和Cliff是把投资者智慧指数作为情绪的直接替代指标。Lemmon和Portniaguina(2006)用消费者信心指数作为投资者情绪的直接替代变量，研究发现消费者信心指数能够预测股票市场中的股票收益，尤其是对小盘股和低机构持有率的股票市场收益有显著地预测效果。Schmeling(2007)将美国个体投资者协会指数作为投资者情绪直接替代变量，采用了股票市场中几个重要的数据，研究了投资者情绪对股票市场收益的预测能力，结果发现个体投资者协会指数能够有效地预测出股票的长期收益。
间接指标是指通过收集金融市场中的交易数据，并对数据进行整理与分析，从侧面客观地反映投资者的情绪和行为。国外采用的主要有封闭式基金折价、IPO发行量及首日收益、交易量、零股买卖比例等。Baker和Wurgler(2006)研究中将封闭式基金折价作为投资者情绪的替代变量，发现封闭式基金折价在一定程度上能够很好地反映出股票市场中投资者情绪的变化;同时也将IPO发行量及上市首日收益作为投资者情绪的替代变量，发现IPO发行量及上市首日收益也均能较好地反映出投资者的热情程度，并且IPO发行量及上市首日收益与投资者情绪之间的关系都是正相关关系。Kumar和Lee(2006)将零股买卖比例作为投资者情绪的替代变量，并对零股买卖比例与股票市场之间的关系进行了分析，发现零股买卖比例能较好的反映出投资者情绪的变化，尤其对小盘股、低价股收益的影响较大。
近些年，一般都用综合指标作为情绪的代理变量，综合指标就是采用部分直接指标或者间接指标按照一定的方法，比如采用主成分分析的方法构造一个能够反映投资者情绪的综合指数。Baker和Wurgler(2006)构建了一个综合情绪指标(BW指数)，采用了封闭式基金折价、IPO数量及上市首日收益、股利收益、交易量和股票发行/证券发行比例等6个单项指标进行主成份分析得到了初阶指标值，通过控制相应的宏观经济周期变量后求得的残差值作为最后的BW指数值，实证发现投资者情绪对股票收益有影响，尤其是对规模小的难于套利的股票收益影响较为明显。Glushkov(2006)采用投资者智能指数、封闭式基金折价、共同基金流入量、交易量、牛熊市比、股利收益、IPO数量和首日收益等8个直接和间接代理指标构建了一个综合指数，研究发现该综合指标能够较好地体现投资者情绪的变化。相比以前的单一指标，综合指标能更加全面、更加真实地反映出投资者情绪的变化，得到的结论也更为科学合理。
(二)国内研究成果
国外学者通常把度量投资者情绪的指标分为3类：直接指标、间接指标、综合指标。
国内学者也采用了一些可获得的数据来对投资者情绪加以测量，目前国内统计出来的直接指标主要有“央视看盘”指数、好淡指数等。饶育蕾和刘达峰(2003)利用了“央视看盘”数据作为投资者情绪的替代变量，并对我国投资者情绪与股票市场收益之间的相关关系进行了研究。赖琴云(2010)采用了“好淡指数”作为投资者情绪的直接代理变量，采用了实证分析的方法，对投资者情绪与股票市场之间的相关关系进行了研究，发现预期股票市场收益受投资者中期情绪指数所影响，并且预期股票市场收益会随着投资者中期情绪指数的变化而正向变动。
目前我国学者采用的间接指标主要有封闭式基金折价率、交易量、新增开户数、新股发行数量等。黄少安和刘达(2005)利用了封闭式基金折价率作为投资者情绪的代理变量，采用了实证分析的方法，对我国投资者情绪与股票市场收益之间的相关关系进行了分析。田瑛(2010)采用了实证分析的方法，对我国封闭式基金折价与投资者情绪之间的相关关系进行了研究，发现我国的封闭式基金折价具有共同趋势，说明了投资者情绪能够比较系统的影响我国封闭式基金折价率，从而证明了封闭式基金折价率能作为情绪的代理变量。伍燕然和韩立岩(2007)将新增开户数作为情绪的替代变量。情绪与投资者参与市场的热情程度有显著地相关性关系，新增的开户数会随着投资者情绪上涨而增大;相反，新增开户数也会随着投资者情绪低落而减少。
近些年，在国外学者研究的基础上，国内学者一般也都采用综合指标作为情绪的代理变量。林百宏(2008)用IPO首日收益率，IPO首日换手率，A股市场平均换手率，封闭式基金折价率等4个投资者情绪指标，并采用了主成分析的方法得出了综合的情绪指标。研究发现股票横截面收益受投资者情绪所影响，但对不同市场特征的公司，投资者情绪对股票市场横截面收益的影响程度有所不同。雒庆举、吕鹏博(2010)对6大类共14个投资者情绪指标进行了度量，采用主成分分析的方法，选出了适合中国证券市场特征的4类投资者情绪指标，发现我国封闭式基金折价率、换手率都集中地反映了我国投资者情绪的变化。
二、投资者情绪对股票市场影响的研究综述
(一)国外研究成果
Brown和Cliff(2001)采用了综合指标作为投资者情绪的代理变量，采用了实证分析的方法，对投资者情绪与短期市场收益之间的相关关系进行了研究，发现股票市场收益率受投资者情绪的影响，投资者情绪变动与同期股票收益它们之间存在着显著相关关系。Lee等(2002)用GARCH模型，研究了投资者情绪与股票市场波动性两者之间的相关关系，发现当投资者情绪下降时，股票市场的波动性会更高。Burghardt等(2008)采用了实证分析的方法，研究了投资者情绪对股票市场收益的影响，发现投资者情绪与股票市场收益两者之间的关系是负相关的，未来股票市场价格的变化能很好地被个体投资者情绪的变化所预测。
Qiu和Welch(2004)实证发现，当投资者情绪乐观时，小市值股相比其他的股票在市场上具有更好的市场收益。Baker,Wurgler(2006)发现投资者情绪与股票收益之间存在明显的横截面效应，相比其他股票，难以套利的股票受投资者情绪的变动影响较大。当时，小盘股、低价股股票的其后收益会会随情绪的降低低相对较高;反之，当情绪较高时，这类股票其后的收益会相对较低。
(二)国内研究成果
刘仁和和陈柳钦(2005)对投资者情绪和股票市场回报率之间的关系进行了实证研究，发现投资者情绪能较好的预测股票市场回报率，即投资者情绪能够影响未来的股票市场。伍燕然和韩立岩(2007)对投资者情绪与股票市场收益之间的关系进行了回归分析，发现投资者情绪对当前的市场收益率有显著影响，同时还能预测长期的股票市场收益率。杨春鹏(2008)研究了机构投资者情绪对股票市场收益的影响，研究结果发现股票市场收益率显著地受投资者情绪的影响。黄德龙，文凤华和杨晓光(2009)采用了实证研究的方法，分析了投资者情绪对当前股票市场收益的影响，发现当投资者情绪高涨时，当期股票市场收益率会随着投资者情绪的变化而正向变动;当投资者情绪低迷时，当期市场收益率会随着投资者情绪的变化而负向变动。刘力、周铭山、李广子(2010)认为上市财务结果会受到投资者情绪的影响，并且会相应的放大上市公司的财务结果。研究发现投资者情绪越高涨，公开增发公告价格效应导致股票收益减少的程度倾向于越大，越低迷则越小。
三、结论
市场情绪 篇7
股票市场为经济生活提供一种独特的融资、资源配置、调控、反映和导向机制。中国股票市场作为国民经济的重要组成部分和经济发展的重要推动器,在资本市场上发挥着至关重要的作用。
投资者情绪理论主要基于以下两个假设:一是市场是非有效的;二是投资者是不完全理性的。对于像中国股市这样不成熟的资本市场实际状况而言,用投资者情绪理论更能客观准确地发现影响股票价格的深层次原因,为投资决策的实际操作提供理论支持。
2 文献综述和心理学证据
Andreassen(1990)发现,在向人们展示真实的股票价格序列后,让他们在模拟的市场中进行交易,当价格表现出一定趋势时,他们倾向于用过去的价格变化来进行交易;Koutmos(1997)对六个主要工业化国家的股票市场进行了研究,发现对于短期股票收益来说,反馈交易是影响股票收益的一个重要因素;Toshiaki(2002)对日本股票市场进行实证检验的结果也证明了反馈交易是造成股价波动的重要因素反馈交易并不限于非理性投资者,理性投资者也会表现出反馈交易的特征;赵鹂举和刘玉敏(2009)构建了一个包括反馈交易者和理性投机者的模型,发现反馈交易行为能造成收益的自相关和尖峰厚尾的特征。
3 实证分析
本文的变量包括投资者新增账户数、市盈率、换手率、消费者信心指数、上证指数收益率,均为月度数据。选取的样本期间为2006年1月至2013年10月。收益的计算是根据价格的自然对数的一阶差分。
根据相关系数,我们可以发现开户数与市盈率之间的相关性最强,达到0.787。其次是市盈率与换手率,相关系数为0.745。相关性最弱的是新开户数和消费者信心指数,但是其数值也达到0.432。由此我们得出结论,变量间存在着密切的正向关系,这符合一般经济理论。
本文通过建立合适的ARIMA模型对投资者情绪进行探讨。对于时间序列,在利用Eviews 6.0对投资者情绪进行建模前需要平稳性检验。本文选择常用的ADF检验。ADF统计值为-3.36<-3.16,可以说在10%的置信水平上,投资者情绪序列是平稳序列,可以进行ARMA(p,q)建模。
通过对投资者情绪序列的自相关系数与偏自相关系数的分析,我们发现ACF表现为拖尾,PACF表现为截尾,所以模型选择为第一种。偏自相关系数为5阶内具有显著性,所以暂定p=5,则模型可以初始表述为:
根据实证结果,初始模型为
滞后四次和五次的系数在5%的置信水平上不显著,故将其舍去重新设定模型,得到新的调整后的模型为:
为进一步确认是否存在条件异方差,我们借助Eviews6.0实行SW-LM检验,结果表明在滞后1阶时,LM检验的概率是0.039,在5%的水平上显著,即残差存在SW效应。滞后5阶、15阶甚至20阶时,在1%的置信水平上LM检验结果显著,表明残差存在着高阶聚集性和异方差性,因此我们接下来将采用GSW模型。
对投资者情绪的自回归模型采用GSW估计方法后,模型为:
从统计数值上看,当期投资者情绪主要受到前三期投资者情绪的影响,且前一期和前三期对当期投资者情绪的影响是正向的,滞后二期的投资者情绪与当期投资者情绪的变动是反向的。从影响力度上看,滞后一期的投资者情绪对当期的投资者情绪的影响最大,表现为滞后一期的投资者情绪变动一个单位,当期的投资者情绪同向变动1.44个单位。滞后二期的投资者情绪变动一个单位,当期投资者情绪反向变动0.92个单位。影响力最小的是滞后三期的投资者情绪,表现为滞后三期的投资者情绪变动一个单位,当期投资者情绪正向变动0.47个单位。投资者在作出投资决策时总是会受到最近的一次情绪的影响,发生时间越久的事件对投资者的影响也越小。
实证结果:在SW模型中,非对称效应项的系数-0.65显著不等于0,说明我国的投资者情绪存在非对称效应,由于-0.65<0,说明好消息与坏消息带来的冲击不等。当好消息出现时,dt-1=0,所以一个冲击会给投资者情绪带来0.289的冲击;而出现坏消息时,dt-1=1,坏消息带来0.289-0.65=-0.361的冲击,因此我国投资者情绪波动存在着非对称效应。考虑到上海证券交易所的规模和影响力,以上证综合指数收益率代表我国证券市场的股价变动。在条件方差方程中,表示非对称效应的系数为-0.328,p值为0.0818,在10%的置信水平上显著,因此投资者情绪对上证综指收益率存在杠杆效应,不同的投资者情绪对上证综指收益率的影响是存在差异的。
4 政策建议
实证结果表明,投资者情绪对我国股价具有长期的复杂的关系,投资者情绪对股价的影响力呈现上升趋势。我国投资者整体投资素质不高,风险意识不强,跟风和过度投机等非理性表现较为突出,投资者情绪的作用不容忽视。针对本文实证得到的结论,主要从投资者和管理部门两个角度提出了一些建议。
投资者打算长期持有证券等金融产品,其追求的是稳定的分红而不是资产价格的剧烈波动,与之密切相关的是公司的基本面信息。只要公司的基本面良好,长期投资者就应坚定持有该证券产品,不应该过多的受到市场情绪的干预。投资者情绪作为持续影响证券市场价格的一个重要因素应该得到足够的关注。
管理部门应该正视我国证券市场发育程度不足的事实,重视投资者情绪在整个证券市场的重要性,通过积极的监管行为,有效的引导投资者情绪,避免其不理性变动带来的后果。根据本文的分析结果,坏情绪对股市带来的冲击更具有破坏性,这一点应该引起相关部门的重视。另外,加强对上市公司的监管,执行严格的信息披露制度,对缓解市场的不安焦躁情绪具有重要作用。
摘要：行为金融学认为投资者是非理性的,投资者的情绪极易造成股票市场的大幅波动,文章通过构造投资者情绪指标体系来研究投资者情绪对我国股票市场的影响。
关键词：投资者情绪指标体系,股票市场,行为金融学
参考文献
[1]赵晨仪.投资者情绪对我国股市价格影响的关系研究[J].改革与开放,2016(1).
[2]邹辉文,孙磊,陈圳斌,等.投资者情绪对证券价格波动的影响---建模与模拟分析[J].金融教学与研究,2015(6).
[3]王博.从投资者情绪理论看金融研究方法的创新与发展[J].商业时代,2013(32).
[4]刘丽文,王镇.投资者情绪对不同类型股票收益影响的实证研究[J].金融理论与实践,2016(2).
[5]李庭燎,陈良华.投资者情绪与盈余公告效应[J].投资研究,2015(12).
[6]杨佳.投资者情绪理论综述[J].现代经济信息,2015(5).
市场情绪 篇8
关键词：套期保值,投机,投资者情绪,金属期货市场
1 引言
近几年, 我国期货市场得到了迅速发展, 期货品种 (股指期货、黄金期货等) 不断完善。在交易量节节攀升的同时, 期货市场的一些问题也频频凸现。国有企业在国际期货市场中投资的巨额亏损, 2004年的中航油、2005年的国储铜以及2008年的东方航空、中国国航、中国远洋等事件都可谓是触目惊心, 这使人们对“套期保值”产生了疑问。套期保值的主要功能就是为了有效控制风险, 怎么会带来如此大的损失? 一方面固然是因为相关企业缺乏投资经验导致, 而最为关键的原因在于企业“借套期保值之名, 行投机之实”。基于此, 国资委专门出台了《国有企业境外期货套期保值业务管理办法》来规范相关企业套期保值业务。与此同时, 国内套期保值与投机的相关管理也需要重新审视, 以期让套期保值真正发挥有效控制风险的作用。
我国各大期货交易所实行的套期保值额度审批制度, 主要是根据投资者提交的套期保值交易方案及相关证明材料来审核其套期保值申请, 未通过套期保值申请的头寸只能进行投机头寸建仓, 而期货交易所定期对套期保值持仓和投机持仓进行报告。需要进一步探究的是:这些不同类型的投资者头寸是否对期货市场有影响?这种影响是否会影响投资策略的选择?相关政策的变动是否应考虑这种影响?本文的初衷是为不同投资者头寸信息对期货市场收益的影响提供相应的实证证据。为了更好地挖掘不同投资者持仓头寸的信息, 我们借鉴了客观的投资者情绪指数, 这不同于前人对期货市场投资者情绪指数的构建大多来自相关金融机构的问卷调查。同时有针对性地对我国上市时间较早、目前发展较为成熟的期铜和期铝两大金属品种进行研究, 通过区分不同类型的投资者情绪, 为我们深入了解中国金属期货市场投资者结构及其交易行为提供相关研究借鉴。
本文在套期保值和投机持仓报告的基础上, 从不同角度探讨投机情绪和套期保值情绪对我国期货市场收益和风险的影响, 认为目前我国套期保值与投机具有很强的正相关性, 从一定程度上说明目前套期保值账户管理存在问题。同时, 两类投资者情绪对当期市场收益都有显著影响, 但仅有投机情绪对短期市场波动有很强的解释力。同时, 与期铜市场相比, 期铝的投机情绪较浓, 对市场有较好的预测能力。监管当局在控制风险时, 应充分考虑投机情绪的影响, 进而如何有效地通过动态和差异化的交易机制及合约条款涉及来激励套期保值行为以提高市场效率对于我国期货市场进一步的发展至关重要。
2 文献综述
与我国期货交易所套期保值和投机持仓报告类似, 美国商品期货交易委员会定期公布的交易商持仓报告 (Commitments of traders, 以下简称COT) , 包括商业持仓、非商业持仓和非报告持仓, 其中商业持仓一般是套期保值持仓, 非商业持仓指一些大型机构的投机持仓, 非报告持仓则是一些小的交易商持仓。国外利用COT报告的研究有很多, 通过分析期货市场不同交易者行为对市场的影响, 进而为投资策略和风险控制提供一定的依据。Chang (1985) 发现在三大农产品期货市场上投机者能显著获利[1]; Adrangi等 (2003) 发现大投机者和小交易商会增加市场的波动性[2]; Hartzmark (1991) 表明套期保值者在一些期货市场可以获利[3];Leuthold等 (1994) 指出在冻猪腩期货 (frozen pork-belly futures) 市场投机者有明显的预测优势[4];Arnold (1995) 指出在期货市场研究不同类型交易商的持仓头寸有益于优化投资收益[5]。Wang (2001) 通过对美国六大农产品期货市场进行分析, 认为大投机者的情绪能有效预测市场价格, 套期保值情绪能预测价格反转, 而小交易商的情绪对市场影响甚微[6]。可见, 套期保值与投机者的行为对市场的影响大不相同。国内研究大多集中在期货市场的量价关系, 并没有通过区分套期保值和投机持仓对期货市场进行深入研究。华仁海、仲伟俊 (2003, 2004) 对我国期货市场量价关系进行了初步探讨, 研究表明价格波动与持仓量的变动存在较为密切的关系[7,8]。戴毓、周德群 (2009) 分析了燃料油期货市场的价格波动于持仓量之间的关系[9]。刘庆福、仲伟俊和梅姝娥 (2005) 从可预期持仓量和不可预期持仓量角度研究其对价格波动的影响[10]。李艺、部慧和汪寿阳 (2008) 利用COT报告分析了国际基金持仓和国际铜期货价格的关系[11]。本文从套期保值持仓和投机角度深入探索不同持仓对期货市场的影响, 试图填补国内这一空白。
除了区分不同投资者类型外, 本文借鉴Wang (2001) [6]
的投资者情绪指数, 分析情绪对市场的影响。有关投资者情绪的研究大多集中在股票市场, 期货市场的研究并不多见。Wang (2004) 对五个货币期货市场进行了分析, 认为套期保值情绪与市场收益负相关, 投机情绪与市场收益正相关[12]。Luo和Li (2008) 研究了台湾金融期货市场中期货市场情绪与股票市场收益对机构投资者行为的不同影响[13]。Alexander (2008) 分析了指数期货市场上情绪驱动的交易能增加市场的流动性[14]。期货市场情绪的研究大多集中在金融期货市场, 而我国股指期货市场刚刚起步, 没有足够的数据用来研究。所以通过对较为成熟的金属市场进行相关分析, 借鉴商品期货的成功经验, 为股指期货的发展提供相关依据。
通过回顾相关文献, 本文在上海期货交易所公布的套期保值持仓和投机持仓的基础上, 构建不同投资者情绪指数, 分析其对我国金属期货市场收益和波动的影响, 并在此基础上, 为相关部门提供相应的政策建议, 为股指期货的发展提供一定的借鉴意义。本文第3节叙述数据来源和研究方法, 第4节介绍实证结果并进行分析, 第5节总结全文。
3 数据来源和研究方法
3.1 投资者情绪
本文采用Wang (2001) [6]构建的投资者情绪指数, 该指数被广泛运用于期货市场的投资者情绪测量 (Wang, 2003[15]; Wang等, 2009[16]等) 。
SIjit即t时刻在j市场第i种投资者的情绪, i包括套期保值者和投机者, j表示阴极铜和铝期货, OIjit是t时刻在j市场第i种投资者的持仓量, min (OIjit) 和max (OIjit) 分别指在样本期间不同投资者类型持仓量的最大值与最小值。持仓量作为反映投资者行为的一个重要指标, 在式 (1) 中被用来构建投资者情绪。SIjit直观地反映了期货市场投资者的行为, 当投资者的未平仓合约数量增加, 即持仓量增加时, 表明多空两方都在开仓, 市场投资者对该合约的兴趣越来越高, 说明投资者情绪高涨;反之, 当持仓量下降时, 表明多空双方都在平仓离场, 投资者对该合约的关注度降低, 说明投资者情绪低迷。该指标反映了市场上不同投资者情绪的变动情况, 同时使不同期货市场之间的投资者情绪具有可比性。
3.2 投资者情绪对未来市场收益的预测模型
基于Fisher和Statman (2000) [17], Wang (2001) [6]的研究, 本文探讨投机情绪和套期保值情绪对期货市场收益预测的影响。
其中Rjt+m表示t时刻在j市场接下来m周的收益, m=1, 2, 3, …, 8。本文关注期货市场投资者情绪对两个月之内的市场收益的短期预测效果Wang (2003) 分别对美国套期保值者、大型投机者以及散户的情绪变动对期货市场的影响进行了研究, 结果表明套期保值情绪与投机情绪在预测市场收益的效果上是反向的。而在我国较为成熟的金属期货市场, 投机者和套期保值者表现出高度的一致性, 且在不同市场反映不一致。其次, 套期保值情绪对期铜和期铝市场收益的预测效果并不显著, 即套期保值头寸并不是一个可以预测市场收益的指标。此外, 仅有铝期货的投机情绪对随后7周的市场收益有显著影响, 期铝投机者情绪高涨, 随后的几周期铝价格会出现下降趋势。也就是说, 期铝投机头寸可以作为预测市场收益的一个负相关指标。通过对表3的分析, 可以在一定程度上说明我国金属期货市场投资者情绪对市场收益预测效果并不明显, 尤其是套期保值情绪; 同时套期保值情绪和投机情绪对收益预测效果的同向性也与国外相关研究相悖。这可以部分反映我国目前期货市场投资者结构并不完善, 套期保值者并未发挥其应有的作用, 同时以散户为主的投机者给市场带来的噪声交易较多。优化投资者结构, 使套期保值、投机各自发挥其对市场的影响, 是我国期货市场发展亟欲解决的问题之一。
注: 圆括号中是t值统计量。***表示在0.01置信度下显著; **表示在0.05置信度下显著; *表示在0.1置信度下显著。
4.2 投资者情绪变动与期货市场收益及其波动的影响
表4反映了投资者情绪变动与当期期货市场收益及其波动的关系。均值方程中, β2系数均为正且显著, 表明套期保值者和投机者的情绪变动均对当期市场收益有显著影响, 其情绪越高涨, 当期市场收益越高。方差方程中, γ2>0且显著, 表明期货市场上波动具有短期惯性效应。将γ3和γ4结合分析, 从不同投资者分析, 我们发现, 套期保值情绪波动对市场波动有显著影响, 而投机情绪波动对市场波动的影响仅在期铝市场乐观情绪高涨的情况下显著。这从一定程度上表明了套期保值情绪对市场波动的影响力。同时结合我国的现实情况, 大量散户投机者充斥于期货市场, 不同于国外机构投资者较多的情况, 散户投机者对市场的影响力有限, 他们进行的噪声交易也会大大降低市场效率。从不同市场分析:对于期铜市场而言, 只有套期保值者的悲观情绪波动与市场波动显著负相关;对于期铝市场而言, 套期保值和投机情绪波动都与市场波动均在1%水平上显著正相关 (除了投机者的悲观情绪波动不显著之外) 。并且, 期铝市场中套期保值情绪波动与投机情绪波动对市场波动的影响依然表现出明显的同向性; 而在期铜市场上, 套期保值者的乐观情绪波动和投机者的乐观情绪波动对市场波动的影响相反 (其估计值系数分别是56.528和-9.107) , 虽然并不显著, 但也可以一定程度上表明期铜市场上套期保值和投机者对市场的影响逐渐有所区分这一现象, 部分证明了期铜市场比期铝市场更为有效。另外, 鉴于投资者情绪对市场波动的影响不同, 在一定程度上也表明期铜市场比期铝市场投资者的理性程度相对较高。同时γ5<0且显著, 表明在期货市场上也存在着信息冲击的杠杆效应, 但利好消息对波动的冲击显著大于利空消息。鉴于投资者情绪对市场波动影响不同, 在一定程度上表明期铜市场比期铝市场投资者的理性程度相对较高。
注: 圆括号中是z值统计量。***表示在0.01置信度下显著; **表示在0.05置信度下显著; *表示在0.1置信度下显著。
4.3 投资者情绪变动与市场条件波动的相互影响
表5反映了投资者情绪变动与市场波动的相互影响关系。通过对滞后阶数的确定, 可以看出投资者情绪的变动对市场的短期影响显著, 也就是说, 投资者情绪的变动, 会在短期内影响市场的稳定, 随着时间的增加, 投资者情绪对市场影响统计不显著。通过对相关回归系数的分析, 结果表明市场波动对投资者情绪的变动都没有显著影响。这可能是因为我国目前投资者结构并不完善, 相关投资者对市场的影响有限。而投资者情绪对市场波动的影响, 我们发现在两个市场上两种投资者情绪对波动的即期影响均为负值, 期铝市场滞后两期的两种投资者情绪对波动的影响显著为正。与前文的结果类似, 依然反映了套期保值情绪与投机情绪对市场影响的同向性。同时, 还可以发现投机者情绪变动比套期保值者情绪变动都市场波动的影响显著, 这也从进一步说明了我国期货市场散户投机者众多这一现象。另外, 市场波动均有短期惯性效应, 而对期铝而言, 投资者情绪都有短期的惯性效应。
注: 圆括号中是t值统计量。***表示在0.01置信度下显著; **表示在0.05置信度下显著; *表示在0.1
置信度下显著。
注: ***表示在0.01置信度下显著; **表示在0.05置信度下显著; *表示在0.1置信度下显著。
表6是根据VAR模型所确定的最佳滞后阶数来对投资者情绪变动与市场波动进行的格兰杰因果检验。对两个市场而言, 投机情绪的变动都会Granger引起市场波动, 而套期保值情绪则不是市场波动的Granger原因。
5 结论
近年来, 行为金融提出的有限套利和有限理性被大家广泛接受。 金融市场中的投资者也由经典金融的理性人发展成为有限理性人, 将投资者情绪也纳入资产定价模型中。我国期货市场中投资者被分为套期保值和投机两类, 套期保值头寸的申请需要期货交易所的审批, 这就为分析不同交易主体的情绪对市场的影响提供了条件。阴极铜和铝是两种较早进入期货市场且较为成熟的品种。根据中国人民银行发布的《2009年国际金融市场报告》, 上海期货交易所 (SHFE) 的铜和铝期货的成交量继续位居世界第二, SHFE与LME铜期货交易量 (按成交吨数计算, 下同) 之比为1∶1.5; SHFE与LME铝期货的交易量之比为1∶11.4。鉴于阴极铜和铝这两个品种在我国期货市场的代表性及其相对成熟的特性, 本文通过分析这两种期货市场上套期保值者情绪和投机者情绪对市场收益和波动的影响, 不仅为改进投资者结构, 提高期货市场效率提供一定的指导意义, 同时也可为其他品种的期货市场提供相应的借鉴。
本文利用上海期货交易所提供的期铝和期铜每周套期保值账户和投机账户持仓信息, 采用不同的计量模型研究了2001～2007年我国两大主要金属期货市场上不同投资者情绪与市场收益及波动之间的关系。主要的实证研究结论如下:首先, 不同于国外相关研究, 套期保值情绪不能很好地预测市场收益, 且套期保值情绪与投机情绪显著正相关, 而国外两种情绪显著负相关且均对市场收益起着信号作用。其次, 通过TGARCH-M (1, 1) 模型分析表明, 套期保值情绪波动与投机情绪波动对市场波动的影响依然表现出一定的同向性;套期保值和投机情绪的变动对当期市场收益有显著影响, 也就是说套期保值者和投机者的情绪越乐观, 当期收益越高。同时, 期货市场中利好消息比等量的利空消息对波动产生的冲击更大。期铝市场上, 投资者的乐观情绪对收益波动有显著影响, 乐观情绪波动越大, 收益波动越大;期铜市场上, 套期保值者的悲观情绪对收益波动影响显著, 套期保值者越悲观, 收益波动越大。最后, 通过VAR模型和格兰杰因果检验, 两个市场上两种投资者情绪对波动的即期影响依然类似, 并且投机情绪是市场波动的Granger原因。
根据以上研究结果可以判断, 目前我国套期保值者的情绪和投机情绪趋同, 且套期保值情绪不能很好地预测市场收益, 这在一定程度上表明期货市场中存在“借套期保值之名, 行投机之实”的现象, 相关监管部门应加强对套期保值账户申请的审批, 规范期货市场的头寸管理, 使对套期保值和投机头寸区别对待的相关风险控制制度 (如保证金制度、投机头寸限仓制度等) 能切实有效地发挥其作用。同时, 套期保值情绪和投机情绪的变动都对当期市场收益有显著影响, 情绪越高涨, 收益越高, 这与牛市情况下投资者追涨的现实相吻合。投机情绪能格兰杰引起市场波动, 并且短期内对市场波动有显著影响, 但投机情绪变化越大, 市场却相对稳定。这说明多空分歧严重的时候, 投机者反而会持谨慎态度。
总之, 我国金属期货市场中投资者情绪对市场收益、市场波动、收益波动均有不同程度的影响, 这对市场交易者和相关监管部门均有重要意义。由于投机情绪对市场波动有很强的解释力, 交易者在分析市场走势时, 不仅要考虑一般指标 (交易量、价格) 的变动, 还需要把套期保值者和投机者的非理性情绪纳入考虑范围, 而且风险控制部门可以根据不同账户持仓量的相关情况, 预测未来的市场稳定情况, 以期有效控制风险, 提高市场效率。本文的经验证据在一定程度上说明了构建动态和差异化的交易及合约条款机制的重要性。
市场情绪 篇9
更多的基金经理则认为，目前市场已经可以看到稍许政策曙光。据悉，国庆节期间公开市场净投放1390亿，市场间利率连续三日小幅下行，市场资金面已略显宽松。10月10日，中央汇金公司自又在二级市场自主购入工、农、中、建四行股票，虽然在其宣布增持的隔日，股指大幅高开低走，让不少民众小小失望了一下，但是其释放出的积极信号，政策底的隐约显现，终究令A股市场强劲反弹，10月12日上证指数重新收复2400点整数关，并创近一年来的最大单日涨幅。
的确，回顾尚未走完的2011年，国家货币政策一路紧缩，3次加息，6次上调银行存款准备金率，每一次政策的出台，都在投资市场掀起一阵波澜。而国际市场受欧债危机和美国经济长期低迷不振的影响，全球股市跌宕起伏，充满了不安定的因素。放眼至近两年，楼市调控政策的不断休整，十二五规划的相继出台，都为投资市场带来一个又一个的投资热点与雷区。
市场情绪 篇10
一、理论模型
通常用GARCH类模型来描述金融时间序列的波动率聚类性质。GARCH (p, q) 的形式为:
其中, x1、x2为收益率序列rt的影响因子, εt为均值方程的残差项, 为ARCH项, 为GARCH项。
二、指标构建与实证分析
(一) 指标构建
对主板市场收益率指数的刻画采用沪深3 0 0指数收益率 (ZB) 。对中小板股票收益率指数的衡量采用深证市场的中小板指数收益率 (ZXB) 。选取新增A股开户数 (NIA) 、A股市场换手率 (TURA) 、A股市场交易量 (TURN) 、消费者信心指数 (CCI) 和IPO平均首日收益率 (IPOR) 作为构造投资者情绪综合指数的源指标。
本文选择2006年1月到2014年12月的月度数据, 所有数据均来自国泰安金融数据库。首先, 对选取的上述五个源变量进行标准化之后, 作相关性检验, 检验结果显示大部分源变量之间两两相关, 基于滞后性考虑选取五个源变量的一阶滞后期DNIA、DTURA、DTURN、DCCI、DIPOR。对五个源变量及其五个一阶滞后期共十个变量, 做主成分分析。取第一、二、三主成分 (累积方差解释率达到82%) 构建初始投资者情绪指标Sent。
(二) 实证分析
1. 各期投资者情绪对沪深大盘、中小盘市场影响
为了考察不同期投资者情绪水平与股票收益率之间的关系, 设计如下线性回归模型进行检验:
rt为股票指数收益率序列, 分别为当期、滞后一期和滞后二期的投资者情绪水平。使用 (3) 中的OLS线性回归式进行估计, 常数项与项的系数均为不显著剔除, 得到的回归结果如表1, 由表中的回归结果可知, Sent对ZB和ZXB回归的模型中B-G LM统计量和ARCH LM统计量都不显著, 表明该模型中不存在残差的自相关性和异方差性。
由表1结果可知, 投资者情绪的当期值对主板收益率和中小板收益率都具有正向影响, 滞后一期值则对两个收益率都有反向的影响, 说明投资者情绪因子所带来的投机效应和短期获利性在主板股和中小板股上具有相同的表现机制。但是中小板模型中的系数大于主板模型中对应的系数值, 投资者情绪水平对中小盘收益的影响更大。
2. 新生情绪因子及情绪波动对ZB、ZXB影响比较
首先对Sent建立AR (3) -EGARCH (1, 1) 模型, 模型中的残差项εt表示去除了自相关性和异方差性的投资者情绪, 为市场上独立新生的投资者情绪, 将其定义为新生情绪因子Rsent, 同时通过该EGARCH模型可以得到投资者情绪指数的波动率序列Vsent。
用Rsent和Vsent作为自变量, 根据 (1) 式, 定义一个新的线性回归模型:
结果如表2, 两个模型中的B-G LM统计量都不显著, 残差项都不存在自相关性, 但是两个模型的ARCH LM统计量在10%显著性水平下显著, 表明残差项都具有一定程度异方差性, 运用GARCH (1, 1) 模型分别重新再建模, 根据 (2) 式, 定义一个新的条件方差模型:
观察表3中的估计结果, 在均值方程中, α1、α2项的值均为正, 新生的情绪因子和情绪的波动对两个市场的收益率指数都有正向效应。再观察条件方差模型, η也均为正值, 情绪的波动对两个市场的收益率波动都具有显著的正向影响, 说明在中小板和主板市场上, 投资者情绪波动都形成了系统风险。
但是, 不论是均值等式中的Rsent、Vsent系数值, 还是方差等式中的Vsent系数值, 中小板模型都高于主板模型, 再次印证了中小盘股票对投资者情绪变动更加敏感, 中小板股票的易操纵性使得投资者情绪对其有更大影响, 赚钱效应使得喜爱追涨杀跌的投资者偏向于投资中小盘的股票, 追求投机交易带来的大额利润。
三、结论
投资者情绪对于大盘股和中小板股的影响方向和作用机制是相同的, 不同点在于, 中小板市场对于投资者情绪的变化更加敏感, 相对于主板市场, 投资者情绪各个方面的变化都会导致中小板股市发生更大程度的变化。
上述结论为监管者, 投资者和上市公司研究中小板股票收益率变化和波动情况提出了新的视角和切入点, 而如何通过投资者情绪的角度理解中小板股票收益率的变动, 进而为监管者提出更好的制度创新方案, 为投资者提供更好的投资选择, 也将成为下一步深入研究的目标。
参考文献
[1]Brown G W, Cliff M T.Investor Sentiment and Asset Valuation[J].The Journal of Business, 2005, 78 (2) .
[2]Baker M, Wurgler J.Investor sentiment, the cross-section of stock returns[J].Journal of Finance, 2006, 61 (4) .
[3]姚德权, 黄学军, 杨光.中国机构投资者情绪与股票收益关系研究[J].湖南大学学报 (社会科学版) , 2010, 24 (6) .